写这篇文章,主要是为了给自己来个总结,也方便以后自己回顾,顺便和大家一起学习。
随着医院图像的数量大量增加,用电脑进行图像的处理和分析成了一种必要,图像分割领域的方法也很多,各有优异,今天来说说医学图像分割常用的各种方法吧。
我们将分割的方法分为8类:(1)阈值分割 (2)区域增长 (3)分类器 (4)聚类方法 (5)马尔科夫随机场模型 (6)人工神经网络 (7)可变形模型 (8)图谱引导算法。在这些方法中,基于像素分类的方法有阈值分割、分类器、聚类和马尔科夫随机场方法。
下面我们再来大概的了解下这些方法:
1、阈值分割(Thresholding)
原理:阈值分割法是一种基于区域的图像分割技术。简单来说,就是通过设定不同的特征阈值,把图像象素点分为若干类。图像阈值化的目的是要按照灰度级,对像素集合进行一个划分,得到的每个子集形成一个与现实景物相对应的区域,各个区域内部具有一致的属性,而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现,例如在图像的灰度直方图上选取一个值作为阈值,灰度值小于这个阈值的一部分像素点作为一个类,灰度值大于这个阈值的像素点作为另一个类。
优点:阈值分割计算简单、运算效率较高、速度快,它特别适用于目标和背景占据不同灰度级范围的图像。在重视运算效率的应用场合(如用于硬件实现),它得到了广泛应用。在医学应用中,有血液细胞图像的分割、磁共振图像的分割。